【锚点】这一讲只钉一个判断：【复现】不是把原实验原样再跑一遍，而是把【原效应】放进一个新的【误差预算】里，看它是否仍能被独立证据支撑。【显式】Open Science Collaboration 对 100 篇心理学研究的复现里，只有 39% 得到显著结果，平均效应量约为原效应的 51%。【隐式】这不是【原研究全假】，而是把【抽样误差】【发表偏倚】【测量噪声】【调节变量】从原效应里拆出来的过程。【细微】在元分析里，τ² 常被误读为【噪音】；更准确地说，τ² 是【诠释空间】：它告诉我们同一效应可以在不同样本、任务、情境里有多宽。【极难发现】如果复现研究只报告【成功/失败】，它会把【可拒绝清单】压扁成二值标签，丢掉最有价值的信息：哪些条件下效应消失、哪些误差项在放大。 【流程节点链路】：【原始效应 d】 → 【复现实验的样本量与测量信度】 → 【独立效应估计 d* 与区间】 → 【误差预算：抽样误差+检测限+调节异质性】 → 【元分析合成：效应是否跨条件稳定】 → 【可拒绝结论：效应不成立/成立但有边界】。 音乐理论比喻：原论文像一首录音；复现不是重新刻录同一张唱片，而是换乐团、换场地、换指挥重排。若只问【听起来像不像】，你会把【录音室混音】误认为【作曲结构】。真正要测的是【动机】是否在不同配器下仍能成立。 具体推演：假设原效应 d=0.5，95% CI [0.1,0.9]。复现 n=30/组，若真实 d=0.3，显著复现概率可能只有两成；此时【未复现】不是【效应消失】，而是【误差预算不够】。若把这类结果计入元分析，并报告 CI 与调节变量，你得到的是【效应边界】，不是【失败计数】。 【调查方法推论】复现报告也不该是【是/否】问卷题，而应是【效应区间+误差项+失效条件】的结构化字段。 【观点】复现研究最值钱的不是阳性结果，而是【可拒绝清单】：哪些任务、样本、测量、时间窗会杀死效应。没有这个清单，元分析只是在给平均数抛光。 结尾问题：如果你的复现只能选一个输出——【显著/不显著】，还是【效应区间+误差预算+失效条件】——你愿意放弃哪一个？为什么？